Los invitamos a la primera charla 2026.1 de Qtalks a cargo de Dr. Leonardo Medrano Sandonas (TUD Dresden University of Technology, Dresden, Germany).
Estrategias de AI inspiradas en la cuántica para la innovación molecular
La creciente demanda de soluciones sostenibles para los desafíos tecnológicos y sociales ha impulsado importantes esfuerzos de investigación para integrar técnicas de aprendizaje automático (machine learning, ML) en la física y la química computacionales. A medida que ML se vuelve cada vez más prevalente en la investigación interdisciplinaria, la cantidad de datos de propiedades cuánticas generados en los últimos años para entrenar modelos predictivos robustos ha aumentado de manera significativa.
Recientemente, hemos introducido base de datos de propiedades de alta fidelidad calculadas usando la teoría del funcional de la densidad (DFT) con un tratamiento de muchos cuerpos de las interacciones de van der Waals, tanto para moléculas pequeñas [Sci. Data 8, 43, (2021)] como para moléculas grandes [Sci. Data 11, 742, (2024)] con relevancia farmacéutica en estados de equilibrio y no equilibrio. Estos conjuntos de datos han demostrado ser fundamentales para el avance de potenciales interatómicos basados en ML con fundamento cuántico (p. ej., el modelo SO3LR [J. Am. Chem. Soc. 147, 37 (2025)]) y para la mejora de métodos semi-empíricos (p. ej., el modelo EquiDTB [chemRxiv, 10.26434/chemrxiv-2025-z3mhh]), lo que permite simulaciones moleculares precisas y eficientes.
Más allá de estos avances, la disponibilidad de datos estructurales y de propiedades cuánticas también ha sido clave para el desarrollo de nuevas representaciones moleculares que mejoran la precisión y la interpretabilidad de los modelos de ML para predecir propiedades biológicas como la toxicidad y la lipofilicidad de moléculas de tipo fármaco [chemRxiv, 10.26434/chemrxiv-2025-hj4dc]. En esta presentación, discutiré nuestros trabajos recientes en estas áreas de investigación.
Sobre el expositor
El Dr. Medrano Sandonas es actualmente investigador asociado en la Technische Universität Dresden (TU Dresden), Alemania. Nació en Lima (Perú) y obtuvo sus grados de Bachiller y Máster en Física en la Universidad Nacional Mayor de San Marcos, en su país de origen.
Completó su doctorado en la TU Dresden en 2018 como becario de la International Max Planck Research School y del DAAD. Entre 2019 y 2024, se desempeñó como investigador posdoctoral en la Universidad de Luxemburgo, donde desarrolló métodos computacionales basados en la mecánica cuántica para estudiar la dinámica de sistemas (bio)moleculares y explorar espacios de propiedades fisicoquímicas.
Además de su trabajo teórico, participa activamente en proyectos multidisciplinarios con colegas de la academia y la industria para abordar desafíos actuales en física, química y diseño de materiales.
Recientemente, fue reconocido por RSC Digital Discovery como Investigador Emergente en el campo del aprendizaje automático y por el comité del Año Internacional de la Ciencia y la Tecnología Cuánticas de la UNESCO como miembro del prestigioso grupo QUANTUM 100. Cuenta con una destacada producción científica, es revisor de numerosas revistas y ha impartido ponencias invitadas en diversas instituciones internacionales.
